核心内容
Google DeepMind 研究员 Nenad Tomašev 讨论，智能体加速科学发现之后，实验室、研究人员和制度应怎样跟上。访谈从公共利益导向的 AI 切入，区分生成假设与通过实验检验假设的不同环节。
另一条主线是人的能力：当更多工作交给 AI，下一代专家如何成长，怎样避免自动化偏差和过度不信任。后半程涉及价值规范与多智能体治理；本次提炼聚焦实验验证和人类判断的两段问答。
Google DeepMind researcher Nenad Tomašev discusses the laboratories, people and institutions needed alongside AI-driven scientific discovery, distinguishing hypothesis generation from experimental testing.
He also considers how future experts develop when more work is automated, including automation bias and excessive distrust. Later discussion addresses social norms and multi-agent governance. These paraphrases focus on experimental validation and human judgment.
介绍依据 · 发布方说明 · 完整内容待核读
编辑导览，依据原始来源 ↗，整理于 2026-10-22。中英文均由本站概括整理。 内容介绍与下方原话、主张的逐条核对分开标注。
- 收录2026-10-22
- 材料自动字幕
- 话语提炼2 条编辑转述
已根据所列材料整理双语转述，原文出处与阅读范围见下文。转述不计入已核对原话。 原话怎么核对 →
收录说明：收录原始节目。双语话语按所列材料与阅读范围整理，属于编辑转述，非逐字引语。
话语提炼
材料阅读范围：00:02:07–00:05:20；00:05:20–00:09:43。以下为依据所列材料整理的双语转述，与原文引句分别统计。
以下为根据所列材料整理的双语话语，保留讲者、语境与原始出处。
These bilingual editorial paraphrases retain the speaker, context and original source.
编辑转述
更多假设，也需要更多验证能力
Nenad Tomašev 认为，非纯计算科学中的 AI 假设仍需实体实验验证；投资模型的同时，也要投入实验室、专家和研究人员。
英文转述 · 非原文引句
Nenad Tomašev argues that AI-generated hypotheses in non-computational sciences still require physical experiments, alongside investment in laboratories, experts and researchers.
语境：依据本集字幕区段 00:02:07–00:05:20整理。
限定：自动转录可能有人名或术语误差；此处为编辑转述，非逐字引句。
自动字幕 · 区段：00:02:07–00:05:20
编辑转述
适当保留独立判断的机会
Nenad Tomašev 提出，可以在合适的工作流程中暂时停用 AI、让人独立判断，以减少自动化偏差并保持人的思考能力。
英文转述 · 非原文引句
Nenad Tomašev suggests occasionally withholding AI in suitable workflows so people make independent judgments, helping address automation bias and maintain their own skills.
语境：依据本集字幕区段 00:05:20–00:09:43整理。
限定：自动转录可能有人名或术语误差；此处为编辑转述，非逐字引句。
自动字幕 · 区段：00:05:20–00:09:43
相关
Carl Wieman：AI 能给出答案之后，我们为什么还需要学习？
卡尔·维曼·钰子一·访谈 · 2026-10-19
同话题 · AI 与科学发现
张亚勤：信息智能、物理智能与生物智能的 AGI 图景
张亚勤·张小珺访谈录·播客 · 2025-02-17
同话题 · AI 与科学发现
苏庭灏：高中生自学 AI、研究探索与学习的意义
苏庭灏·张小珺访谈录·播客 · 2026-08-19
同话题 · AI 与科学发现已核对原话
Eric Klopfer：当学生作业变好、考试变差，AI 时代的教育该如何评估
Eric Klopfer·Lifelong Kindergarten Podcast·播客 · 2026-10-13
同话题 · 教育与学习
新国大李以洁：当 AI 塑造我们——对话式智能体对人类福祉、自主能动性与依赖的实证研究
Yi-Chieh Lee·UW HCDE Research Speaker Series·演讲 · 2026-10-09
同话题 · 教育与学习已核对原话
MIT 贾斯汀·所罗门：当机器穷尽证明，数学审美品味与提出好问题成为最后护城河
Justin Solomon·Odd Lots·播客 · 2026-10-09
同话题 · AI 与科学发现已核对原话